Saraiki language characters dataset (SLCD)

2024

Толық мәтін Ашық қол жеткізу: Gold Метадеректер (CSL-JSON)
DOI 10.1016/j.dib.2024.110473
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

About 26 million people worldwide use the Saraiki language [1]. In the southern part of Punjab and Sindh, Saraiki language is extensively spoken. One of the most important Saraiki cultural hubs is Dera Ghazi Khan. In Dera Ghazi Khan, the Saraiki language is spoken by over 90 % of the population. Calligraphers use a sophisticated script to write this language. Despite the vast body of Optical Character Recognition (OCR) literature and research dedicated to other languages, a fully functional OCR system is still needed for Saraiki language [2,3]. This work presents a genuine dataset of Saraiki handwritten characters, consisting of 50,000 scanned photos, and makes it accessible to the public for use. All of the photographs include handwritten text contributed by teachers and students from Pak-Austria Fachhochschule for Applied Sciences and Technology, Pakistan. Around 1000 people, roughly half men and half women, contributed in writing this text. For scientific research, the dataset will be made accessible to the general public.